绿色信贷政策会诱发重污染企业策略性信息披露行为吗？——基于《绿色信贷指引》的准自然实验

■刘程

一、引言

2021年中央经济工作会议强调，实现碳达峰碳中和是推动高质量发展的内在要求，要坚定不移推进，但不可能毕其功于一役。要实现碳达峰、碳中和目标，必然伴随着大规模的绿色投融资需求，因而离不开绿色金融体系的构建。2012年2月，为了充分发挥金融市场优化绿色资源配置、服务实体经济的作用，银监会发布了《绿色信贷指引》。这是我国首份绿色信贷规范性文件，提出了绿色金融产品（绿色信贷）的概念，并对金融机构开展该类业务作出了较为具体的制度安排。随后，绿色债券等绿色金融产品蓬勃发展。清华大学国家金融研究院公布的绿色金融研究报告显示，目前我国已成为全球最大的绿色金融市场之一，其中绿色信贷是主力。截至2021年末，我国本外币绿色贷款余额15.9万亿元，同比增长33%，比上年末高12.7个百分点。

在此背景下，全面科学评估绿色信贷政策的有效性，能够为我国构建和完善绿色金融体系，加快实现“双碳”目标提供一些思路和借鉴。《绿色信贷指引》要求金融机构在配置信贷资源时，从环境保护、污染治理和能源节约等方面提高贷款门槛，从而引导污染企业降能减排，以促进经济可持续健康发展[1]。绿色信贷政策是环境规制政策的市场化手段，因此其效果不仅取决于政策执行，还取决于企业对政策的反应。具体而言，绿色信贷政策可能导致重污染企业采取两种可能的行为：第一，重污染企业迫于绿色信贷政策的约束主动改善自身的环境污染，向绿色生产转变以获取信贷资金；第二，由于投资生产活动短期内难以快速进行调整，重污染企业或管理者可能会出于私利动机，通过采取掩饰真实环境信息或者隐藏坏消息等策略性信息披露方式，以达到获取贷款资金或降低融资难度的目的。现有文献较少从信息披露质量视角研究我国绿色信贷政策的经济效应问题。而绿色信贷政策的经济效应很大程度上依赖于企业信息披露的真实情况，如果忽视绿色信贷政策对企业信息披露质量的影响，可能会误导金融机构的信贷决策，从而造成绿色信贷配置效率低下，影响金融市场的稳定。

在市场信息披露制度和公司治理机制尚不完善的背景下，推行绿色信贷政策直接增加了重污染企业的融资难度、融资成本和生产经营的不确定性。那么，重污染企业是否存在试图隐瞒不利消息等改变信息披露质量的行为？哪些治理机制能够有效抑制重污染企业的策略性信息披露行为？回答上述问题有助于更好地理解和管理绿色信贷政策实施下重污染企业信息披露策略选择。

鉴于此，本文以2012年颁布的《绿色信贷指引》作为准自然实验，构建双重差分模型实证分析绿色信贷政策实施对重污染企业信息披露质量的影响。本文的研究贡献主要包括：第一，实证分析我国绿色信贷政策实施对企业信息披露质量的影响，有助于拓展和延伸关于绿色信贷政策实施效果的研究。首先，本文采用KV指数来衡量企业信息披露质量，更侧重于企业的股价信息含量。KV 指数不仅包括环境披露信息，还包括其他非环境信息披露。其次，本文采用全体上市公司样本，包括重污染企业和非重污染企业，更多考虑重污染企业和非重污染企业在绿色贷款政策实施之后的差异。如果仅仅考虑重污染企业的环境信息披露水平，可能会忽略重污染企业环境信息披露水平的时间趋势和政府环境规制强度的影响因素。最后，本文发现，当地方政府环境治理力度较小时，绿色贷款与信息披露质量之间存在负向关系，而当地方政府环境治理力度较大时，这一负向关系不再显著。第二，补充了信息披露行为的影响因素文献。本文研究绿色信贷政策对重污染企业信息披露质量的影响，有助于增进理解我国重污染企业信息披露的策略选择。

二、理论分析与研究假设

在公司金融与财务领域，企业信息披露质量是维系金融市场稳定和高效运行的基础，高质量的企业信息披露能够有效缓解信息不对称[2]。本文认为绿色信贷政策对重污染企业信息披露质量可能存在正面和反面两种作用。

（一）绿色信贷对重污染企业的信息披露质量的正面作用

从理论层面上来说，绿色信贷能够从以下几个方面对重污染企业的信息披露质量产生正面作用：

首先，信号效应和声誉效应假说认为，企业提高包括环境信息在内的信息披露水平，有助于树立其“绿色形象”。而“绿色形象”不仅可以抓住消费者眼球从而带来经济利益，还有助于维护企业声誉，良好的声誉也为企业带来竞争优势[3]。因此，为了消除绿色信贷政策对重污染企业经营活动产生的不利影响，重污染企业具有较强动机通过提高信息披露水平来维持良好声誉，以获取信贷资源和融资便利。

其次，从环境政策压力角度来看，来自政府环境规制政策的外部压力能够促使企业改善环境信息披露水平，从而有助于提高信息披露质量[4]。同理，绿色信贷政策能通过对重污染行业企业施加融资压力来提高企业信息披露质量。具体而言，当这些企业面临绿色信贷的外部融资压力时，为了尽可能避免其中的环境风险和违法违规成本，重污染企业有较强的动机去改变反映环境表现的信息披露质量，从而获取绿色信贷支持。《绿色信贷指引》要求银行充分发挥杠杆作用促进节能减排和环境保护，这会对企业信息披露行为产生显著影响。重污染企业面临的环境风险和外部融资压力更大，具有更强的动机去改善信息披露质量。

最后，基于波特假说的推论，环境管制能够促进重污染企业创新或转型，从而降低污染排放。重污染企业环境表现越好，则越会通过披露更多环境信息来帮助企业树立良好的“绿色形象”，进而获取绿色信贷的支持。同时，重污染企业会通过提高信息披露质量来降低市值不确定性，从而稳定市场投资者对重污染行业前景的预期，提高公司估值。因此，绿色信贷在促进重污染企业节能减排的同时，企业也倾向于公布更多的环境保护信息，从而其整体信息披露质量得以改善。

基于上述理论分析，本文提出以下研究假说：

假说1a：绿色信贷政策实施后，相对于非重污染企业而言，重污染企业的信息披露质量显著提升。

（二）绿色信贷对重污染企业的信息披露质量的负面作用

绿色信贷政策也可能会促使重污染企业降低信息披露质量。具体而言，绿色信贷政策实施后，重污染企业可能会出于获取信贷资源、避免竞争劣势成本以及市值管理等目的，降低其信息披露质量。

1.融资动机

绿色信贷增加了重污染企业的融资成本和贷款限制。为了获取贷款资金，重污染企业存在掩饰污染排放信息的动机，从而降低了信息披露质量。特别是在绿色信贷政策出台之后，重污染企业获取信贷资源的难度显著增加，其融资成本上升。出于对信贷资源的迫切需求，重污染企业可能会掩盖企业负面信息，力图获取信贷支持。有研究发现，绿色信贷政策导致重污染企业提高盈余管理水平[5]，而这种盈余管理行为降低了企业会计信息质量。

环境保护政策法规能够通过直接加大对企业私利行为的监管力度，有效抑制企业管理者委托代理问题的发生，从而避免降低信息披露质量[6]。但与一般的环境规制政策不同的是，作为市场化调控手段，绿色信贷是通过对重污染企业产生融资约束效应，从而产生环保效应。绿色信贷政策的出台，限制了商业银行对重污染企业的贷款[7]，增加了重污染企业的融资成本，降低了贷款期限[8]。《绿色信贷指引》要求银行充分发挥杠杆作用促进节能减排和环境保护，但在实践中，来自债权人银行的压力其实难以对企业环境信息披露质量产生实质性影响[9，10]，这除了银行执行意愿方面的因素，还可能是因为部分企业利用环境信息披露制度建设的不完善，故意恶化其环境信息披露水平[4]。此外，即使信息披露是强制性的，但由于企业披露虚假信息的违法违规处罚金额往往较低，而披露真实信息会导致重污染企业融资成本加剧，这意味着虚假信息披露的利益远远大于处罚成本，那么这些企业会倾向于隐瞒真实信息[11]。

2.竞争压力

绿色信贷政策将会增加重污染企业的行业竞争压力。绿色信贷是政府施加给重污染企业的额外成本，会使企业的行业竞争力下降[12]。绿色信贷实质上是把环境外部成本内部化，将由社会承担的环境成本改由产生污染的企业来承担，即绿色信贷将导致这些重污染企业的经营成本上升、生产管理和销售环节的难度加大、整体产品竞争力下降[5]，最终加剧企业面临的行业竞争压力。

而行业竞争压力可能会降低企业信息披露质量。已有实证研究发现，市场竞争程度是影响企业信息披露行为的重要因素[13—15]。竞争劣势成本理论认为，市场竞争程度越激烈，公司进行信息披露的竞争劣势成本将会越高，其信息披露水平就越低。这是因为企业披露的信息会被企业竞争者观察到，这会使企业竞争者作出不利于本企业的经营决策，从而减少企业的竞争优势，对公司价值产生负面效应[13，15]。特别是在国内上市公司内部治理机制不完善的情况下，市场竞争会对治理机制产生约束效应，加剧竞争劣势成本，迫使企业进一步降低信息披露质量[16]。此外，企业基于收益最大化和巩固竞争地位的目的，也会通过隐藏信息或降低信息披露水平，来应对激烈的市场竞争以实现增加收益的目的[14]。因此，从行业竞争的角度来看，绿色信贷政策的实施会进一步增加重污染行业的市场竞争压力，从而促使重污染企业降低其信息披露质量。

3.市值管理

绿色信贷政策增加了重污染企业未来经营前景的不确定性，这会增加重污染企业管理者的市值管理压力。经济政策不确定性加大会对公司股价造成负面冲击[17]，而经济政策中就包括绿色信贷政策等。绿色信贷政策的实施给重污染行业企业带来较大的经营不确定性和风险。Liu等[18]进一步指出，绿色信贷政策实施下，市场对重污染行业公司市场价值的可预期性有所降低，这意味着公司层面的信息不确定性上升，从而导致这些公司股价波动率加大。所以绿色信贷政策会降低市场投资者对重污染企业未来市值增长前景的乐观预期，造成公司股价面临较大的下行压力，从而会增强这些公司高管对股价市值管理的动机。

具体而言，绿色信贷政策实施后，公司管理者出于保护职位薪酬[19]、提高短期内期权价值[20]等私人利益目的，倾向于隐藏负面消息或采取“策略式”信息披露等方式。尤其是重污染企业高管更倾向于披露正面的环境信息，减少披露污染排放、诉讼风险、弃置费用等不利信息，通过披露内容相对主观、模糊和难以验证的信息实现“自我包装”。这些具有人为操纵色彩的信息与其实际环境行为不符，进而制约了市场交易者和监管者的判断，降低了信息传递效率和资产定价效率[2，4]。朱炜等[11]研究发现，环境表现越差的企业会更多披露环境定性信息而非定量信息，从而降低了环境信息披露质量。此外，绿色信贷政策的实施加剧了重污染企业所面临的未来经营不确定性，这增加了对管理层行为预测和监督的难度，恶化了潜在的代理问题，增加了市值管理动机。

综上所述，本文提出以下研究假说：

假说1b：绿色信贷政策实施后，相对于非重污染企业而言，重污染企业的信息披露质量显著下降。

三、研究设计

（一）实证模型设定

本文借鉴苏冬蔚等[1]、Liu 等[7]的实证方法，以2012年颁布的《绿色信贷指引》作为准自然实验，构建以下双重差分模型进行检验：

其中，i 表示企业，t 表示年度，ε为随机扰动项。Treat 是样本企业是否属于重污染企业组的虚拟变量。由于绿色信贷政策对重污染企业的影响更大，所以将重污染企业作为处理组，取值为1；将非重污染企业作为控制组，取值为0。Post为绿色信贷政策实施前后的时间虚拟变量。将绿色信贷政策推出之前的年份定义为0，之后的年份定义为1。IDQ 为企业信息披露质量的代理变量。Controls 为控制变量。本文主要关注交互项Treat×Post的系数α1，它衡量了绿色信贷政策的实施对重污染企业信息披露质量产生的影响。

（二）变量设定

1.被解释变量

本文采用Kim 等[21]的方法，计算KV1 指数来度量信息披露质量。KV1具体是指某股票市场交易量对其股票收益率的影响系数，通过反映市场投资者对股票交易量信息的依赖继而反映公司信息披露程度。这一指标能够客观全面地度量上市公司信息披露质量，KV1 指数越高表明上市公司信息披露质量越低。该方法可以避免采用会计变量因随意应计利润和盈余管理等产生的一系列问题[22]。构造KV1指数的模型如下：

其中，Pt和Volt分别是第t日的股票收盘价和交易量（股数），Vol0是研究期间所有交易日的平均日交易量。具体采用当年每家上市公司的数据，使用普通最小二乘法进行回归估计，得到当年的λ值构建KV1指数（不考虑λ为负的情况）。这是一个信息披露质量的反向指标，KV1 指数数值越小则表明该上市公司信息披露越充分，而数值越大则代表该上市公司信息披露质量越低。

为避免统计指标衡量的误设问题，本文借鉴徐寿福等[22]的做法，采用以下改进模型计算KV2指数：

2.解释变量

Treat 为反映企业是否为重污染企业的虚拟变量。如果该企业为重污染企业，取值为1；否则，取值为0。本文借鉴苏冬蔚等[1]的做法，参照环境保护部2008年印发的《上市公司环保核查行业分类管理名录》和2010年印发的《上市公司环境信息披露指南》中涉及重污染行业的共同范围，将上市公司样本区分为重污染企业和非重污染企业。

Post为绿色信贷政策实施前后的时间虚拟变量。将《绿色信贷指引》实施之前的年份（2012年之前）定义为0，将之后的年份（2012年及之后）定义为1。

3.控制变量

为控制其他因素对信息披露质量的影响，本文在模型中引入企业产权属性（SOE）、企业年龄（Age）、企业规模（Size）、资产负债率（LEV）、资产回报率（ROA）、市值账面比（MB）、审计师治理（Big4）、分析师关注度（Analyst）、机构投资者持股比例（Insti）、第一大股东持股比例（Largest）作为控制变量。变量的具体定义见表1。

表1 主要变量定义

此外，模型中还控制了年度虚拟变量Year FE以及企业个体固定效应Firm FE。

（三）样本选取与数据来源

本文的研究样本为2000—2020年我国A 股上市公司。对这些研究样本进行了必要的筛选：（1）剔除属于金融行业类的上市公司；（2）剔除样本期间内被证券交易所进行特别处理的ST 和PT 类上市公司；（3）剔除部分变量数据存在缺失的样本。此外，由于《绿色信贷指引》自2012年2月24日起开始施行，本文进一步剔除2012年及之后上市的公司样本。本文使用的上市公司财务数据均来源于国泰安数据库。为了避免样本中的极端异常值给实证估计结果带来的影响，对本文中所有连续型变量进行上下1%分位数的缩尾处理。

表2列示了本文主要变量的描述性统计。KV1均值为0.419，中位数为0.395，标准差为0.185。KV2均值为0.147，中位数为0.071，标准差为0.202。同时，其他变量的取值范围均处在合理区间内。

表2 主要变量的描述性统计

四、实证结果与分析

（一）企业信息披露质量的时间趋势

在进行回归估计之前，本文将样本分为处理组（重污染企业）和控制组（非重污染企业），对政策前后两组企业的信息披露质量代理变量KV1 和KV2的变化趋势进行对比分析。从图1和图2观察可知：

第一，2012年《绿色信贷指引》颁布前，两组企业的KV1 和KV2 指标变化趋势基本相近。这意味着构建DID 模型所需的平行趋势假设成立，本文采用DID方法具有合理性。

第二，2012年《绿色信贷指引》颁布后，两组企业在KV1 和KV2 指标之间的差距发生显著变化。图1的趋势线显示，2012年之前，非重污染企业KV1指标高于重污染企业，而2012年之后，重污染企业KV1指标开始快速上升并高于非重污染企业。这说明相对于非重污染企业而言，重污染企业KV1指标上升比较明显。

图1 绿色信贷与企业信息披露质量KV1的关系

虽然由于计算方法不同，KV1 和KV2 指标的变化趋势可能不相一致，但是值得注意的是，从图2来看，相对于非重污染企业而言，重污染企业KV2 指标上升也比较明显。

图2 绿色信贷与企业信息披露质量KV2的关系

结合两个图来看，说明相对于非重污染企业而言，政策实施后，重污染企业信息披露质量下降。

（二）绿色信贷与重污染企业信息披露质量

1.基准回归结果

表3列示了绿色信贷与重污染企业信息披露质量的实证模型回归结果。其中（1）和（3）列为没有加入控制变量的回归结果，（2）和（4）列为加入相关控制变量的回归结果，（2）和（4）列还控制了年度和企业固定效应。交互项Treat×Post 的回归系数分别为0.0110、0.0105、0.0160 和0.0112，且均通过了至少5%的显著性检验。假说1b 得到验证，即绿色信贷政策实施后，重污染企业的信息披露质量显著下降。这是因为期间国内绿色信贷标准执行还缺乏刚性约束，商业银行在执行中呈现自愿性特征，政府部门对银行机构的监督检查力度不够，也缺乏明确的追责标准和要求，对银行机构的约束力度有限[9，10]。

表3 绿色信贷与重污染企业信息披露质量

张琦等[23]研究发现，《环境空气质量标准（2012）》实施之后，74 个试点城市加大了环境治理力度。本文进一步选择74 个试点城市中的重污染行业上市公司作为研究样本，研究在不同环境治理力度的样本之下，绿色贷款与信息披露质量之间的关系。从表4 可知，绿色贷款与信息披露质量之间的负向关系仅存在于政府环境治理力度小的样本中。这意味着在较强的政府环境治理地区，企业受绿色贷款政策驱使下的策略性信息披露行为得到了抑制。

表4 绿色信贷、政府环境治理与重污染企业信息披露质量

2.信息披露质量降低的具体表现

本文进一步对绿色信贷政策实施导致重污染企业信息披露质量降低的具体表现进行实证检验，回归结果如表5 所示。在（1）和（2）列中，本文采用上市公司环境治理信息披露质量IDQ1_env①和环境污染信息披露质量IDQ2_env②作为被解释变量，具体数据来自国泰安环境研究专题数据库。这两个指标越高，说明环境信息披露质量越好。同时，鉴于被解释变量含有大量0 值却为非负整数，所以使用零膨胀泊松回归。回归结果显示，交互项Treat×Post 的回归系数显著为负，表明绿色信贷政策实施后，重污染企业的环境信息披露质量发生了显著的下降。这反映了绿色信贷政策通过降低重污染企业的环境信息披露质量，进而导致整体信息披露质量的下降。

表5 绿色信贷对重污染企业环境信息披露质量、坏消息隐藏、好坏消息灵敏度的影响

在（3）和（4）列中，本文借鉴许言等[24]和郭晓冬等[25]的做法，利用股价崩盘风险来衡量企业对坏消息的隐藏行为，（3）和（4）列的被解释变量分别为NCSKEW 和DUVOL。回归结果显示，交互项Treat×Post的系数显著为正，表明绿色信贷政策实施后，重污染企业的股价崩盘风险显著上升。这反映了绿色信贷政策增加了重污染企业隐藏坏消息的动机。

在（5）和（6）列中，本文借鉴彭俞超等[26]的做法，按照Khan 等[19]的方法计算Cscore 和Gscore 指标。这两个指标分别反映了企业会计盈余对坏消息和好消息的灵敏度，其中Cscore越高，说明企业会计盈余对坏消息的灵敏度越高，而Gscore越高，说明企业会计盈余对好消息的灵敏度越高。回归结果显示，在绿色信贷政策实施之后，重污染企业相应的Cscore指标显著下降以及Gscore 指标显著上升，说明绿色信贷政策实施促使这些重污染企业在会计处理上对坏消息披露的及时性下降，却更加及时地披露好消息。这一发现更加直接地反映了绿色信贷政策增加了重污染企业隐藏坏消息的动机。

（三）稳健性检验

本文还进行了以下几个方面的稳健性检验，篇幅有限未列示回归结果，备索。

1.安慰剂检验

本文分别假定2009年和2007年为绿色信贷政策实施年份，比较2009年和2007年前后是否存在显著差异。结果显示，重污染企业和非重污染企业信息披露质量在2009年和2007 前后并未存在显著差异。这为前文的研究发现提供了稳健的经验证据。

2.平行趋势检验

为检验双重差分模型的适用性，即重污染企业和非重污染企业在政策实施之前是否满足平行趋势假说，本文在基准模型基础上，加入是否为重污染企业的虚拟变量（Treat）分别与2008年、2009年、2010年以及2011年的年份虚拟变量的交乘项进行回归。回归结果显示，Treat×Year2008、Treat×Year2009、Treat×Year2010 以及Treat×Year2011 的估计系数都不具备显著性，而且数值相对较小，说明政策实施前重污染企业与非重污染企业在信息披露质量方面满足平行趋势，证明本文双重差分模型具有适用性。此外，交互项Treat×Post 的回归系数显著为正，这说明绿色信贷政策确实降低了重污染企业的信息披露质量。

3.PSM+DID

考虑到政策可能存在的样本选择性内生性问题，本文采用逐年PSM方法对控制组样本分别采用一对一无放回最近邻匹配的倾向得分匹配方法进行样本筛选，本文具体匹配估计的控制变量与基准模型保持一致，并基于匹配后的样本进行回归。实证模型回归结果显示交互项Treat×Post 的回归系数都是显著为正，与上文实证研究发现保持一致，这充分说明基准回归结果具备稳健性。

4.样本时间窗口选择

为避免样本选择时间较长的问题，本文仅考虑绿色信贷政策实施前后三年的企业样本，即将样本数据控制在2009—2015年时间窗口区间。回归结果中交互项的系数均显著为正，这与前文的回归结果保持一致。

5.更换被解释变量指标

本文采用深圳证券交易所信息披露质量评级作为信息披露质量的测量指标，将“优秀”“良好”“及格”“不及格”分别取值4、3、2、1。以深交所信息披露评级作为被解释变量。回归结果中，交互项Treat×Post的回归估计系数依然显著为负，这与基准实证模型回归结果保持一致。

6.更换处理组和工业企业样本

本文借鉴苏冬蔚等[1]对重污染行业的界定方法，根据工业二氧化硫排放量、工业烟（粉）尘排放量、工业废水排放量和工业固体废物量这四类污染排放量进行标准化加总，并将其中高于中位数的行业定义为重污染行业。然后对照上市公司按中国证监会细分的行业分类进行整理，将归属于重污染行业的企业定义为重污染企业（Treat1），并重新进行回归估计。其中，各类污染物排放数据等来自历年《中国环境统计年鉴》。更换处理组和工业企业样本的回归结果中交互项Treat1×Post 的回归系数均显著为正，回归结果保持一致。

7.高污染城市企业与低污染城市企业的差异

苏冬蔚等[1]实证研究发现，绿色信贷对高污染地区企业的融资抑制效应更大。参照该结论，本文推断绿色信贷对重污染企业信息披露质量的影响在高污染地区影响更大。回归结果发现，高污染城市企业样本的交互项系数要明显大于低污染城市。这说明绿色信贷政策实施后，位于高污染城市的企业信息披露质量下降程度更大。这一回归结果与苏冬蔚等[1]的实证结果相吻合。

（四）作用机制检验

1.融资动机

表6 列示了融资动机影响的实证模型回归结果。本文采用SA指数来衡量企业融资约束程度，试图反映企业融资动机的差异，根据SA指数的中位数将样本划分为融资约束高低两组。

表6 融资动机的影响

在融资约束程度较高的企业中，（1）和（3）列中的交互项Treat×Post的系数分别为0.0127和0.0142，且至少在5%的水平上显著，表明绿色信贷政策出台后，融资约束程度较高的重污染企业的信息披露质量显著更低。而在融资约束程度较低的企业中，（2）和（4）列中的交互项Treat×Post 的系数均不显著，表明绿色信贷政策出台对融资约束程度较低的重污染企业的信息披露质量并没有显著的影响。上述结果说明，绿色信贷政策所导致的重污染企业信息披露质量下降会受到企业融资约束程度差异的影响，从而间接验证了前文所论述的融资动机机制。

2.竞争压力

表7列示了竞争压力影响的回归结果。本文采用HHI 指数衡量行业竞争程度，并根据HHI 指数的中位数将样本划分为竞争压力高低两组，进而反映企业竞争压力的差异。

表7 竞争压力的影响

在行业竞争较高的企业中，（1）和（3）列中的交互项Treat×Post的系数分别为0.0301和0.0135，且至少在10%的水平上显著，表明绿色信贷政策实施之后，行业竞争较高的重污染企业的信息披露质量显著更低。而在行业竞争较低的企业中，（2）和（4）列中的交互项Treat×Post 的系数则均不显著，这表明绿色信贷政策实施对行业竞争较低的重污染企业的信息披露质量并没有显著影响。上述实证结果说明，绿色信贷政策所导致的重污染企业信息披露质量下降会受到行业竞争压力程度的影响，从而间接验证了前文所论述的竞争压力机制。

3.市值管理动机

在股权质押期间，控股股东面临着因股价暴跌所持股份被强行平仓的风险[27]，为了规避可能的控制权转移风险，上市公司管理者或控股股东在股权质押期间具有强烈的动机采取策略性信息披露的方式，通过隐藏坏消息而释放好消息，即通过降低信息披露质量进行市值管理。因此，本文采用控股股东是否存在股权质押行为作为衡量市值管理动机的变量，存在股权质押行为则市值管理动机更强，否则动机较弱。

表8列示了市值管理动机影响的回归结果。在控股股东存在股权质押的企业样本中，（1）和（3）列中的交互项Treat×Post 的系数分别为0.0128 和0.0147，且至少在10%的水平上显著，表明绿色信贷政策实施之后，控股股东存在股权质押的重污染企业的信息披露质量显著更低。而在控股股东不存在股权质押的企业中，（2）和（4）列中的交互项Treat×Post 的系数则均不显著，表明绿色信贷政策实施对控股股东存在股权质押的重污染企业的信息披露质量并没有显著影响。上述结果说明，绿色信贷政策所导致的重污染企业信息披露质量下降会受到市值管理动机的影响，从而间接验证了前文所论述的市值管理动机机制。

表8 市值管理动机的影响

五、进一步讨论

前文的回归结果表明，绿色信贷政策诱发了重污染企业的策略性信息披露行为，本文进一步讨论哪些因素能够显著抑制这一负面效应。已有研究发现，卖空机制和机构投资者持股具有显著的公司治理优化作用[27，28]，所以本文试图检验卖空机制和机构投资者持股这两个方面是否能够有效抑制重污染企业的这种策略性信息披露行为，从而为公司治理提供政策参考。

（一）卖空机制的作用

尽管重污染企业具有动机通过隐藏或延迟披露坏消息等方式来降低信息披露质量，但卖空机制可能使公司隐藏坏消息的这一动机被弱化。通常具有信息优势的市场卖空者能够有效甄别上市公司是否具有负面消息，如果管理者隐瞒坏消息，这样的行为更容易被观察到，导致公司面临更高的诉讼和声誉成本[27]。因此，资本市场卖空机制有助于抑制重污染企业隐藏坏消息的动机，从而提高信息披露质量。为了实证检验卖空机制对绿色信贷与重污染企业信息披露质量之间关系的影响，本文利用公司股票在样本期内是否可以进行融券交易构建卖空样本与非卖空样本，并分别对这两个样本进行回归估计。表9 列示了这一回归结果。可以发现，交互项Treat×Post的回归系数在卖空样本中不具备显著性，但在非卖空样本中显著为正，这说明卖空机制能够有效抑制重污染企业的策略性信息披露行为。

表9 卖空机制的作用

（二）机构投资者的作用

机构投资者作为拥有监管优势的股东，能够通过参与公司的治理，有效改善公司信息披露质量。同时对比个人投资者而言，机构投资者更关注企业环境绩效[28]，从而对重污染企业的环保信息披露质量提出更高要求。为了检验机构投资者的作用，本文基于机构投资者持股比例的中位数，将样本分成机构投资者持股高样本和机构投资者持股低样本，并分别进行回归估计。表10 列示了这一回归结果。可以发现，交互项Treat×Post 的回归系数在机构投资者持股高样本中不具备显著性，但在机构投资者持股低样本中显著为正，这说明机构投资者能够有效抑制重污染企业的策略性信息披露行为。

表10 机构投资者的作用

六、研究结论与启示

本文以2012年颁布的《绿色信贷指引》作为准自然实验，构建双重差分模型实证分析了绿色信贷政策实施对重污染企业信息披露质量的影响。首先，从基准实证回归结果发现，相对于非重污染企业而言，绿色信贷政策实施之后，重污染企业信息披露质量显著下降，即绿色信贷政策诱发了重污染企业策略性信息披露行为，并且这一影响仅存在于政府环境治理力度较小的地区。另外，重污染企业的策略性信息披露行为具体表现为环境披露信息质量的下降、坏消息的隐藏以及对好坏消息披露时机的策略性选择。其次，分样本检验发现，融资动机、竞争压力和市值管理动机是重污染企业进行策略性信息披露行为的主要动机。最后，卖空机制以及机构投资者持股能够有效抑制绿色信贷政策实施背景下重污染企业的这种策略性信息披露行为。本文研究有助于系统全面地认识绿色信贷对企业信息披露质量的影响，对全面科学评估我国绿色信贷政策的经济效应、帮助了解我国绿色金融政策如何影响微观企业行为具有重要意义。

本文研究的政策启示如下：第一，绿色贷款政策必须结合更大力度的政府环境治理，才能更好发挥绿色贷款政策的积极效应；第二，证券部门应严格监管重污染上市公司的环境信息披露质量，避免上市公司通过降低环境信息披露质量来隐藏其负面信息，要充分发挥重污染上市公司治理机制的作用；第三，为了有效促进绿色信贷对实现碳达峰、碳中和目标的积极作用，绿色信贷部门应加强对贷款企业环保信息披露质量方面的审查，防止重污染企业掩饰和隐瞒环保信息的行为，方能提高绿色信贷配置效率。■

注 释

①IDQ1_env 指标计算方法为环境业绩与治理披露情况六个维度指标的加总。该数据展示了上市公司废气减排治理情况，废水减排治理情况，粉尘、烟尘治理情况，固废利用与处置情况，噪声、光污染、辐射等治理，清洁生产实施情况的六个维度数据，其中指标0、1、2 分别表示无描述、定性描述和定量描述。

②IDQ2_env 指标计算方法为环境负债情况披露情况六个维度指标的加总。该数据展示了上市公司废水排放量，COD 排放量，SO2 排放量，CO2 排放量，烟尘和粉尘排放量，工业固废物产生量的六个维度数据，其中指标0、1、2 分别表示无描述、定性描述和定量描述。